comparia-reactions

<style>
@import url('https://fonts.googleapis.com/css2?family=Marianne:wght@300;400;500;700&display=swap');

:root {
--primary-color: #000091;
--secondary-color: #6a6af4;
--accent-color: #e1000f;
--text-color: #1e1e1e;
--light-bg: #f5f5fe;
--border-radius: 6px;
}

@media (prefers-color-scheme: dark) {
:root {
--primary-color: #6a6af4;
--secondary-color: #8989ff;
--accent-color: #ff5c5c;
--text-color: #e0e0e0;
--light-bg: #252535;
}
}

.container {
font-family: 'Marianne', sans-serif;
max-width: 800px;
margin: 0 auto;
padding: 15px;
color: var(--text-color);
line-height: 1.4;
}

@media (prefers-color-scheme: dark) {
.container {
color: var(--text-color);
}

a {
color: var(--secondary-color);
}

code {
background-color: #333;
color: #f0f0f0;
}
}

.logo {
width: 200px;
display: block;
margin-left: 0;
transition: transform 0.3s ease;
}

.logo:hover {
transform: scale(1.05);
}

h1 {
color: var(--primary-color);
text-align: left;
font-size: 2em;
margin: 40px 0 30px;
position: relative;
padding-bottom: 15px;
}

h1::after {
content: "";
position: absolute;
bottom: 0;
left: 0;
width: 80px;
height: 4px;
background-color: var(--accent-color);
border-radius: 2px;
}

.dataset-section {
display: grid;
grid-template-columns: repeat(auto-fit, minmax(250px, 1fr));
gap: 0px;
margin: 20px 0;
}

.dataset-card {
background-color: white;
border-radius: var(--border-radius);
padding: 25px;
box-shadow: 0 2px 8px rgba(0, 0, 0, 0.05);
display: flex;
flex-direction: column;
}

.stats-cards {
display: grid;
grid-template-columns: repeat(auto-fit, minmax(150px, 1fr));
gap: 20px;
margin: 25px 0;
}

.stat-card {
background-color: white;
border-radius: var(--border-radius);
padding: 20px;
box-shadow: 0 3px 10px rgba(0, 0, 145, 0.1);
text-align: center;
transition: transform 0.2s ease, box-shadow 0.2s ease;
}

.stat-card:hover {
transform: translateY(-3px);
box-shadow: 0 5px 15px rgba(0, 0, 145, 0.15);
}

.stat-card .number {
font-size: 2em;
font-weight: 700;
color: var(--primary-color);
margin: 5px 0;
}

.stat-card .label {
font-size: 0.9em;
color: #555;
font-weight: 500;
}

.dataset-metrics {
background-color: var(--light-bg);
padding: 15px;
border-radius: var(--border-radius);
margin-bottom: 20px;
text-align: center;
display: inline-block;
min-width: 150px;
}

.dataset-metrics .number {
font-size: 1.6em;
font-weight: 700;
color: var(--primary-color);
margin: 4px 0;
}

.dataset-metrics .label {
font-size: 0.9em;
color: #555;
}

.metrics-container {
display: flex;
justify-content: flex-start;
gap: 20px;
flex-wrap: wrap;
margin: 20px 0;
}

.video-container {
box-shadow: 0 4px 12px rgba(0, 0, 145, 0.15);
border-radius: var(--border-radius);
overflow: hidden;
width: 100%;
max-width: 600px;
margin: 20px auto 20px auto;
transition: transform 0.3s ease, box-shadow 0.3s ease;
position: relative;
padding-top: 0;
}

.video-container video {
width: 100%;
display: block;
}

.video-container:hover {
transform: translateY(-3px);
box-shadow: 0 6px 15px rgba(0, 0, 145, 0.2);
}

.highlight-box {
background-color: var(--light-bg);
padding: 20px;
border-radius: var(--border-radius);
margin: 25px 0;
}

.button {
display: inline-block;
background-color: var(--secondary-color);
color: white !important;
text-decoration: none;
padding: 10px 20px;
border-radius: var(--border-radius);
font-weight: 500;
transition: all 0.3s ease;
margin: 5px;
border: 1px solid var(--secondary-color);
}

.button:hover {
transform: translateY(-2px);
box-shadow: 0 4px 8px rgba(0, 0, 0, 0.1);
}

.button.secondary {
background-color: #6A6AF4;
color: white !important;
border: 1px solid var(--primary-color);
}

.datasets-buttons {
display: flex;
justify-content: center;
flex-wrap: wrap;
gap: 10px;
margin: 20px 0;
}

.contact-section {
text-align: left;
margin-top: 40px;
padding: 20px;
background-color: var(--light-bg);
border-radius: var(--border-radius);
}

.data-table {
width: 100%;
border-collapse: collapse;
margin: 20px 0;
}

.data-table th {
background-color: var(--light-bg);
padding: 10px;
text-align: left;
color: var(--primary-color);
}

.data-table td {
padding: 10px;
border-bottom: 1px solid #eee;
}

.datasets-grid {
display: grid;
grid-template-columns: repeat(auto-fit, minmax(300px, 1fr));
gap: 20px;
margin: 15px 0;
}

.datasets-grid .highlight-box {
margin-top: 0;
margin-bottom: 0;
height: 100%;
display: flex;
flex-direction: column;
}

.datasets-grid .highlight-box h3 {
margin-top: 0;
margin-bottom: 10px;
}

.datasets-grid .video-container {
margin: 15px 0 0 0;
max-width: 100%;
}

/* Style pour une vidéo plus élégante et compacte */
.video-container.compact {
max-width: 480px;
margin: 25px auto;
box-shadow: 0 3px 10px rgba(0, 0, 145, 0.1);
border: 1px solid var(--light-bg);
}

.video-container.compact video {
display: block;
width: 100%;
height: auto;
}
</style>

<div class="container">
<a href="https://comparia.beta.gouv.fr/">
<img class="logo" src="https://github.com/user-attachments/assets/bd071ffd-1253-486d-ad18-9f5b371788b0" alt="compar:IA logo">
</a>

# comparia-reactions : le jeu de données de l'ensemble des réactions exprimées par les utilisateurs de compar:IA

## Origine de ces données : qu’est-ce que compar:IA ?

[Compar:IA](https://comparia.beta.gouv.fr/) est un comparateur d'IA conversationnelles (une "chatbot arena") développé au sein du Ministère de la Culture français avec une double mission :
- Former et sensibiliser au pluralisme des modèles, aux biais culturels et linguistiques et aux enjeux environnementaux des IA conversationnelles.
- Améliorer les IA conversationnelles en français en publiant des jeux de données d'alignement en français et en faisant un classement de modèles d'IA conversationnelle en français (en construction).

Le comparateur compar:IA est développé dans le cadre de la start-up d'Etat compar:IA (incubateur de l'[Atelier numérique](https://www.culture.gouv.fr/Thematiques/innovation-numerique/Aides-a-l-innovation-et-a-la-transformation-numerique/L-Atelier-numerique#:~:text=L'Atelier%20num%C3%A9rique%20est%20l,engager%20personnellement%20pour%20le%20r%C3%A9soudre.) et [AllIAnce](https://alliance.numerique.gouv.fr/)) intégrée au programme [beta.gouv.fr](beta.gouv.fr) de la [Direction interministérielle du numérique (DINUM)](https://www.numerique.gouv.fr/dinum/) qui aide les administrations publiques à construire des services numériques utiles, simples et faciles à utiliser.
<div style="margin: 20px 0;">
<a href="https://comparia.beta.gouv.fr/" class="button secondary">Site web de la plateforme compar:IA</a>
<a href="https://github.com/betagouv/ComparIA" class="button secondary">Code source de la plateforme compar:IA</a>
</div>

## Définition d'une réaction sur compar:IA

Au fil de la discussion, l'utilisateur peut évaluer les différentes réponses des deux modèles - nous appelons ces évaluations des "réactions".

Pour chaque message, l'utilisateur peut donner un pouce vers le haut ou vers le bas. Par la suite, l'utilisateur peut aussi sélectionner des étiquettes spécifiques pour caractériser chaque réponse.

<video controls autoplay loop muted playsinline src="https://cdn-uploads.huggingface.co/production/uploads/649d986a474bf415c03b772c/ncldPIO_bTesSd8bqcjqn.mp4"></video>

Voici les options de votes et de qualificatifs que les utilisateurs ont :
- **Réaction positive** (pouce vers le haut)
- Utile
- Complète
- Créative
- Mise en forme claire
- Autre ... (l'utilisateur a un champ libre de texte)
- **Réaction négative** (pouce vers le bas)
- Incorrecte
- Superficielle
- Instructions non suivies
- Autre ... (l'utilisateur a un champ libre de texte)


## Le contenu du jeu de données

Au total sur compar:IA, plus de 100k conversations ont eu lieu. Vous pouvez toutes les trouver dans ce dataset - [comparia-conversations.](https://huggingface.co/datasets/ministere-culture/comparia-conversations)

Parmi ces conversations, les utilisateurs ont exprimé des réactions à plus de 34k messages. Les messages et les réactions correspondants sont disponibles dans ce jeu de données. Les messages sont en très grande majorité **en français** et correspondent à des **usages réels et non contraints**.

## Colonnes du jeu de données comparia-reactions
<table class="data-table">
<tr>
<th>Colonne</th>
<th>Type</th>
<th>Description</th>
</tr>
<tr>
<td><code>id</code></td>
<td>int64</td>
<td>Identifiant unique pour chaque entrée dans le jeu de données</td>
</tr>
<tr>
<td><code>timestamp</code></td>
<td>int64</td>
<td>Horodatage de la réaction</td>
</tr>
<tr>
<td><code>model_a_name</code></td>
<td>string</td>
<td>Nom du premier modèle</td>
</tr>
<tr>
<td><code>model_b_name</code></td>
<td>string</td>
<td>Nom du second modèle</td>
</tr>
<tr>
<td><code>refers_to_model</code></td>
<td>string</td>
<td>Modèle auquel la réaction fait référence</td>
</tr>
<tr>
<td><code>msg_index</code></td>
<td>int64</td>
<td>Index du message dans la conversation</td>
</tr>
<tr>
<td><code>opening_msg</code></td>
<td>string</td>
<td>Premier message envoyé par l'utilisateur</td>
</tr>
<tr>
<td><code>conversation_a</code></td>
<td>list</td>
<td>Structure complète de la conversation avec le premier modèle</td>
</tr>
<tr>
<td><code>conversation_b</code></td>
<td>list</td>
<td>Structure complète de la conversation avec le second modèle</td>
</tr>
<tr>
<td><code>model_pos</code></td>
<td>string</td>
<td>Position du modèle dans l'interface (A ou B)</td>
</tr>
<tr>
<td><code>conv_turns</code></td>
<td>int64</td>
<td>Nombre de tours d'échange dans la conversation</td>
</tr>
<tr>
<td><code>conversation_pair_id</code></td>
<td>string</td>
<td>Identifiant unique pour la paire de conversations</td>
</tr>
<tr>
<td><code>conv_a_id</code></td>
<td>string</td>
<td>Identifiant unique pour la conversation avec le modèle A</td>
</tr>
<tr>
<td><code>conv_b_id</code></td>
<td>string</td>
<td>Identifiant unique pour la conversation avec le modèle B</td>
</tr>
<tr>
<td><code>refers_to_conv_id</code></td>
<td>string</td>
<td>Identifiant de la conversation à laquelle la réaction fait référence</td>
</tr>
<tr>
<td><code>session_hash</code></td>
<td>string</td>
<td>Identifiant de session utilisateur</td>
</tr>
<tr>
<td><code>visitor_id</code></td>
<td>string</td>
<td>Identifiant anonymisé unique pour l'utilisateur</td>
</tr>
<tr>
<td><code>response_content</code></td>
<td>string</td>
<td>Contenu de la réponse du modèle auquel l'utilisateur a réagi</td>
</tr>
<tr>
<td><code>question_content</code></td>
<td>string</td>
<td>Contenu de la question de l'utilisateur</td>
</tr>
<tr>
<td><code>liked</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a aimé la réponse (pouce vers le haut)</td>
</tr>
<tr>
<td><code>disliked</code></td>
<td>bool</td>
<td>Indique si l'utilisateur n'a pas aimé la réponse (pouce vers le bas)</td>
</tr>
<tr>
<td><code>comment</code></td>
<td>string</td>
<td>Commentaire laissé par l'utilisateur sur la réponse</td>
</tr>
<tr>
<td><code>useful</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a jugé que la réponse était utile</td>
</tr>
<tr>
<td><code>creative</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a jugé que la réponse était créative</td>
</tr>
<tr>
<td><code>complete</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a jugé que la réponse était complète</td>
</tr>
<tr>
<td><code>clear_formatting</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a jugé que la mise en forme était claire</td>
</tr>
<tr>
<td><code>incorrect</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a jugé que la réponse contenait des informations incorrectes</td>
</tr>
<tr>
<td><code>superficial</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a jugé que la réponse était superficielle</td>
</tr>
<tr>
<td><code>instructions_not_followed</code></td>
<td>bool</td>
<td>Indique si l'utilisateur a jugé que le modèle n'a pas suivi les instructions pour ce message</td>
</tr>
<tr>
<td><code>model_pair_name</code></td>
<td>sequence</td>
<td>Représentation sous forme d'ensemble des deux modèles comparés</td>
</tr>
<tr>
<tr>
<td><code>msg_rank</code></td>
<td>int64</td>
<td></td>
</tr>
<tr>
<td><code>question_id</code></td>
<td>string</td>
<td>Identifiant unique de la question</td>
</tr>
<tr>
<td><code>system_prompt</code></td>
<td>string</td>
<td>Instruction système fournie au modèle</td>
</tr>
</table>

## Utilité de ce jeu de données

Nous mettons ce jeu de données à disposition des éditeurs de modèles, ainsi que de la communauté des chercheurs en intelligence artificielle et en sciences sociales, afin de contribuer aux avancées dans les domaines suivants :
- l'instruction et l'alignement des modèles de langue conversationnels, notamment sur le français
- les interactions humain/machine et les comportements spécifiques que les dispositifs d'IA conversationnels impliquent
- l'amélioration des méthodes d'évaluation des LLM
- la sécurité de l'IA et la modération de contenus

Si vous exploitez le jeu de données compar:IA, nous serions ravis d’en savoir plus sur vos usages et vos retours. Votre feedback nous aidera à améliorer l’expérience de réutilisation. N’hésitez pas à nous contacter à l’adresse suivante : <a href="mailto:[e-mail]">[e-mail]</a>.

## Le post-traitement des données

Le consentement de l'utilisateur est recueilli via la section "Modalités d'utilisation" sur le site. Une détection des informations personnelles identifiables (PII) a été réalisée (les résultats de cette analyse sont indiqués dans la colonne 'contains_pii' du jeu de données), et les conversations contenant de telles informations ont été anonymisées. Cependant, nous n'appliquons aucun filtrage ni traitement des contenus potentiellement toxiques ou haineux, afin de permettre aux chercheurs d’étudier les enjeux de sécurité liés à l’usage des LLM dans des contextes réels.

## Licences

Sous réserve d'une revendication par des tiers sur les résultats générés par les modèles de langage, nous procédons à la mise à disposition du jeu de données sous licence ouverte Etalab 2.0.
Il est de la responsabilité des utilisateurs de s'assurer que leur utilisation du jeu de données est conforme aux réglementations en vigueur, notamment en matière de protection des données personnelles et de respect des conditions d'utilisation des différents éditeurs de modèles.

## Les autres jeux de données compar:IA

<div class="datasets-grid">

<div class="highlight-box">
<h3>comparIA-conversations</h3>
<p>Jeu de données de l'ensemble des questions posées et réponses reçues sur la plateforme compar:IA.</p>
<image src="https://cdn-uploads.huggingface.co/production/uploads/649d986a474bf415c03b772c/LUYr4vyM1eeHGQ5JSHJQR.png"></image>
<div class="datasets-buttons">
<a href="https://huggingface.co/datasets/ministere-culture/comparia-conversations" class="button secondary">Découvrir comparIA-conversations</a>
</div>
</div>

<div class="highlight-box">
<h3>comparIA-votes</h3>
<p>Jeu de données regroupant les préférences des utilisateurs de compar:IA à l'échelle d'une conversation. </p>
<div class="video-container">
<video controls autoplay loop muted playsinline src="https://cdn-uploads.huggingface.co/production/uploads/649d986a474bf415c03b772c/Fv-aTZYUKDsPwS5HwNbX3.mp4"></video>
</div>
<div class="datasets-buttons">
<a href="https://huggingface.co/datasets/ministere-culture/comparia-votes" class="button secondary">Découvrir comparIA-votes</a>
</div>
</div>

</div>

<div class="contact-section">
<h3>Reporting sensitive data</h3>
<p>If you find a line in the dataset that you think contains PII or sensitive data, please let us know via <a href="https://adtk8x51mbw.eu.typeform.com/to/B49aloXZ">this short form</a>.</p>

<h3>Contact</h3>
<p>Pour toute question ou demande d'information, contacter <a href="mailto:[e-mail]">[e-mail]</a></p>

<div style="margin-top: 30px;">
<a href="https://beta.gouv.fr">
<img src="https://cdn-uploads.huggingface.co/production/uploads/649d986a474bf415c03b772c/Zk4YiqgKu9sm5ydQ7fhSq.png" alt="Logo du ministère, de beta.gouv et de l'atelier numérique" style="max-width: 400px;">
</a>
</div>
</div>

</div>

<div align="center">

<br />
<a href="https://digitalpublicgoods.net/r/comparia" target="_blank" rel="noopener noreferrer"><img src="https://github.com/DPGAlliance/dpg-resources/blob/main/docs/assets/dpg-badge.png?raw=true" width="100" alt="Digital Public Goods Badge"></a>

</div>

# comparia-reactions 数据集：收录compar:IA平台用户全部反馈的数据集

## 数据集来源：compar:IA是什么？

[Compar:IA](https://comparia.beta.gouv.fr/) 是一款对话式人工智能比较平台（即“聊天机器人竞技场”），由法国文化部开发，肩负双重使命：
- 开展培训与科普工作，普及对话式AI的多元性、文化与语言偏见，以及对话式AI的环境影响相关议题；
- 通过发布法语对齐数据集，以及对法语对话式AI模型进行排名（开发中），优化法语对话式AI生态。

该compar:IA国家政务初创项目由[数字工作室（Atelier numérique）](https://www.culture.gouv.fr/Thematiques/innovation-numerique/Aides-a-l-innovation-et-a-la-transformation-numerique/L-Atelier-numerique#:~:text=L'Atelier%20num%C3%A9rique%20est%20l,engager%20personnellement%20pour%20le%20r%C3%A9soudre.)与[AllIAnce](https://alliance.numerique.gouv.fr/)联合打造，集成于法国国家数字创新项目[beta.gouv.fr](https://beta.gouv.fr)，由数字事务跨部委局（Direction interministérielle du numérique, DINUM）运营，该机构致力于帮助公共行政部门构建易用、便捷的数字公共服务。

<div style="margin: 20px 0;">
<a href="https://comparia.beta.gouv.fr/" class="button secondary">compar:IA平台官网</a>
<a href="https://github.com/betagouv/ComparIA" class="button secondary">compar:IA平台源代码</a>
</div>

## compar:IA平台的反馈定义

在对话交互过程中，用户可对两款模型生成的不同回复进行评价——我们将此类评价称为“反馈”。针对单条模型回复，用户可进行点赞（竖起大拇指）或点踩（向下大拇指）操作；后续还可选择特定标签，以刻画该回复的特征。

以下为用户可使用的投票与标签选项：
- **正向反馈（点赞）**
- 实用有用
- 内容完整
- 富有创意
- 格式清晰
- 其他……（用户可填写自由文本补充说明）
- **负向反馈（点踩）**
- 信息错误
- 内容肤浅
- 未遵循指令
- 其他……（用户可填写自由文本补充说明）

## 数据集内容

compar:IA平台累计产生超10万条对话，完整对话数据可在「comparia-conversations」数据集（https://huggingface.co/datasets/ministere-culture/comparia-conversations）中获取。
在这些对话中，用户已对超3.4万条模型回复提交了反馈。本数据集收录了这些回复及对应的用户反馈，内容绝大多数为**法语**，且均来自真实、无预设约束的用户使用场景。

## comparia-reactions数据集字段说明

<table class="data-table">
<tr>
<th>字段名</th>
<th>数据类型</th>
<th>描述</th>
</tr>
<tr>
<td><code>id</code></td>
<td>int64</td>
<td>数据集中每条记录的唯一标识符</td>
</tr>
<tr>
<td><code>timestamp</code></td>
<td>int64</td>
<td>反馈提交的时间戳</td>
</tr>
<tr>
<td><code>model_a_name</code></td>
<td>string</td>
<td>第一款对比模型的名称</td>
</tr>
<tr>
<td><code>model_b_name</code></td>
<td>string</td>
<td>第二款对比模型的名称</td>
</tr>
<tr>
<td><code>refers_to_model</code></td>
<td>string</td>
<td>该反馈所指向的模型</td>
</tr>
<tr>
<td><code>msg_index</code></td>
<td>int64</td>
<td>该回复在对话中的索引位置</td>
</tr>
<tr>
<td><code>opening_msg</code></td>
<td>string</td>
<td>用户发送的首条初始提问</td>
</tr>
<tr>
<td><code>conversation_a</code></td>
<td>list</td>
<td>与第一款模型的完整对话历史结构</td>
</tr>
<tr>
<td><code>conversation_b</code></td>
<td>list</td>
<td>与第二款模型的完整对话历史结构</td>
</tr>
<tr>
<td><code>model_pos</code></td>
<td>string</td>
<td>模型在界面中的位置（A或B）</td>
</tr>
<tr>
<td><code>conv_turns</code></td>
<td>int64</td>
<td>对话的交互轮次总数</td>
</tr>
<tr>
<td><code>conversation_pair_id</code></td>
<td>string</td>
<td>对话对的唯一标识符</td>
</tr>
<tr>
<td><code>conv_a_id</code></td>
<td>string</td>
<td>与第一款模型的对话的唯一标识符</td>
</tr>
<tr>
<td><code>conv_b_id</code></td>
<td>string</td>
<td>与第二款模型的对话的唯一标识符</td>
</tr>
<tr>
<td><code>refers_to_conv_id</code></td>
<td>string</td>
<td>该反馈所关联的对话的标识符</td>
</tr>
<tr>
<td><code>session_hash</code></td>
<td>string</td>
<td>用户会话标识符</td>
</tr>
<tr>
<td><code>visitor_id</code></td>
<td>string</td>
<td>用户的匿名化唯一标识</td>
</tr>
<tr>
<td><code>response_content</code></td>
<td>string</td>
<td>用户作出反馈的模型回复内容</td>
</tr>
<tr>
<td><code>question_content</code></td>
<td>string</td>
<td>用户的提问内容</td>
</tr>
<tr>
<td><code>liked</code></td>
<td>bool</td>
<td>标记用户是否点赞该回复（竖起大拇指）</td>
</tr>
<tr>
<td><code>disliked</code></td>
<td>bool</td>
<td>标记用户是否点踩该回复（向下大拇指）</td>
</tr>
<tr>
<td><code>comment</code></td>
<td>string</td>
<td>用户为该回复留下的补充评论</td>
</tr>
<tr>
<td><code>useful</code></td>
<td>bool</td>
<td>标记用户是否认为该回复实用有用</td>
</tr>
<tr>
<td><code>creative</code></td>
<td>bool</td>
<td>标记用户是否认为该回复富有创意</td>
</tr>
<tr>
<td><code>complete</code></td>
<td>bool</td>
<td>标记用户是否认为该回复内容完整</td>
</tr>
<tr>
<td><code>clear_formatting</code></td>
<td>bool</td>
<td>标记用户是否认为该回复格式清晰</td>
</tr>
<tr>
<td><code>incorrect</code></td>
<td>bool</td>
<td>标记用户是否认为该回复包含错误信息</td>
</tr>
<tr>
<td><code>superficial</code></td>
<td>bool</td>
<td>标记用户是否认为该回复内容肤浅</td>
</tr>
<tr>
<td><code>instructions_not_followed</code></td>
<td>bool</td>
<td>标记模型是否未遵循本次交互的指令</td>
</tr>
<tr>
<td><code>model_pair_name</code></td>
<td>sequence</td>
<td>被对比的两款模型的集合式表示</td>
</tr>
<tr>
<td><code>msg_rank</code></td>
<td>int64</td>
<td>无描述</td>
</tr>
<tr>
<td><code>question_id</code></td>
<td>string</td>
<td>提问的唯一标识符</td>
</tr>
<tr>
<td><code>system_prompt</code></td>
<td>string</td>
<td>提供给模型的系统提示词</td>
</tr>
</table>

## 数据集的应用价值

本数据集面向模型开发者、人工智能与社会科学领域的研究社群开放，以推动以下领域的研究进展：
- 对话式语言模型的指令微调与对齐优化，尤其是法语场景下的相关研究；
- 人机交互模式与对话式AI系统所催生的特定用户行为研究；
- 大语言模型（Large Language Model, LLM）评估方法的优化；
- 人工智能安全与内容审核。

若您使用本compar:IA数据集，我们期待了解您的应用场景与反馈意见，这将帮助我们优化数据集的复用体验。欢迎通过以下邮箱联系我们：<a href="mailto:[e-mail]">[e-mail]</a>。

## 数据后处理流程

用户的知情同意通过平台的“使用条款”板块收集。我们已完成个人可识别信息（Personally Identifiable Information, PII）检测，检测结果将在数据集的`contains_pii`字段中标注，并对包含此类信息的对话进行匿名化处理。但为便于研究者研究真实场景下大语言模型应用相关的安全议题，我们未对潜在有害或仇恨性内容进行任何过滤或处理。

## 授权许可

若第三方未对语言模型生成的结果主张权利，本数据集将以Etalab 2.0开放许可协议进行发布。使用者需自行确保其对数据集的使用符合现行法规，包括个人数据保护相关要求，以及遵守各模型开发者的使用条款。

## compar:IA平台其他数据集

<div class="datasets-grid">
<div class="highlight-box">
<h3>comparIA-conversations</h3>
<p>收录compar:IA平台全部用户提问与模型回复的数据集。</p>
<div class="datasets-buttons">
<a href="https://huggingface.co/datasets/ministere-culture/comparia-conversations" class="button secondary">查看comparIA-conversations数据集</a>
</div>
</div>

<div class="highlight-box">
<h3>comparIA-votes</h3>
<p>收录compar:IA平台用户在对话维度的偏好数据的数据集。</p>
<div class="datasets-buttons">
<a href="https://huggingface.co/datasets/ministere-culture/comparia-votes" class="button secondary">查看comparIA-votes数据集</a>
</div>
</div>
</div>

## 联系与举报板块

<div class="contact-section">
<h3>敏感数据举报</h3>
<p>若您发现数据集中存在疑似包含个人可识别信息或敏感数据的条目，请通过<a href="https://adtk8x51mbw.eu.typeform.com/to/B49aloXZ">此简短表单</a>告知我们。</p>

<h3>联系方式</h3>
<p>如需咨询或获取更多信息，请联系 <a href="mailto:[e-mail]">[e-mail]</a></p>

<div style="margin-top: 30px;">
<a href="https://beta.gouv.fr">
<img src="https://cdn-uploads.huggingface.co/production/uploads/649d986a474bf415c03b772c/Zk4YiqgKu9sm5ydQ7fhSq.png" alt="法国文化部、beta.gouv.fr与数字工作室标志" style="max-width: 400px;">
</a>
</div>
</div>

<div align="center">
<br />
<a href="https://digitalpublicgoods.net/r/comparia" target="_blank" rel="noopener noreferrer"><img src="https://github.com/DPGAlliance/dpg-resources/blob/main/docs/assets/dpg-badge.png?raw=true" width="100" alt="数字公共产品徽章"></a>
</div>

搜集汇总

背景与挑战

背景概述

该数据集来源于法国文化部开发的对话AI比较工具'compar'，收集了用户对超过80k条消息的正面和负面反应及具体评价标签。它主要用于提升法语对话AI的对齐、评估和人类交互研究，支持模型开发和研究社区。